Extracto
El descubrimiento de los genes del conductor es crucial para la comprensión de la heterogeneidad en el cáncer.
L
enfoques de regularización de tipo 1 han sido ampliamente utilizados para el descubrimiento de los genes del cáncer de controladores basados en los datos a escala del genoma. A pesar de que los métodos existentes han sido ampliamente utilizados en el campo de la bioinformática, que poseen varios inconvenientes: las limitaciones de tamaño, subgrupo resultados de las estimaciones erróneas, multicolinealidad y consumo de tiempo pesado. Introducimos una estrategia estadística novela, llamada recursiva aleatoria Lasso (
RRLasso
), para el análisis de datos de alta dimensión genómica y la investigación de los genes del conductor. Para el análisis en tiempo eficaz, consideramos un procedimiento de arranque recursiva en línea con el lazo al azar. Por otra parte, se introduce una prueba estadística paramétrica para la selección de genes controlador basado en los resultados del modelo de regresión de arranque. La propuesta
RRLasso
no sólo es rápido, pero funciona bien en el análisis de datos genómicos de alta dimensión. simulaciones y análisis de la "Sanger Genómica de sensibilidad a los fármacos en el conjunto de datos del Cáncer del Proyecto del Genoma del Cáncer" Monte Carlo muestran que la propuesta de
RRLasso
es una herramienta eficaz para el análisis de datos genómicos de alta dimensión. Los métodos propuestos proporcionan resultados fiables y biológicamente relevantes para la selección de genes del cáncer controlador
Visto:. Parque H, Imoto S, S Miyano (2015) recursiva aleatoria Lasso (
RRLasso
) para la identificación de Anti- Objetivos del cáncer de drogas. PLoS ONE 10 (11): e0141869. doi: 10.1371 /journal.pone.0141869
Editor: Xiaodong Cai, Universidad de Miami, Estados Unidos